大型电动汽车车队的智能充电：独立多智能体强化学习方法
比较上下文组合臂与策略梯度两种独立多智能体强化学习方法，在动态电价下优化电动汽车分散充电性能。
看见不等于共享：一些视觉-语言模型在不对称对话中高估共同基础
VLM高估共同基础，将地图内容误认为已共享理解，而非通过对话历史跟踪建立。
SkillSpotter：第一人称-第三人称视频中基于姿态感知的多视角熟练动作检测与评分
SkillSpotter通过姿态感知多视角架构，将熟练动作检测与评分mAP提升76%，平衡准确率达60.40%。
Patch-PODiff-ViT：基于分块POD的结构化潜在扩散用于超分辨率与不确定性量化
提出Patch-PODiff-ViT，用分块POD构建结构化潜在扩散，实现高效超分辨率与可解释不确定性量化，参数少、重建强、不确定性校准好。
PiLoT v2：面向自由视角无人机地理定位的像素到正射地图对齐
PiLoT v2用正射地图替代3D渲染，实现轻量级无人机定位，性能相当但存储计算成本大幅降低。
基础ASR模型适配构音障碍语音：案例研究
通过微调Whisper基础模型，仅1.4小时数据使构音障碍语音词错误率降至15.8%，全部数据达9.7%，证实个性化微调有效。
垂直联邦学习中基于期望增益的升级策略
提出期望增益评分机制，在VFL双轮推理中选择性升级样本，优化通信-准确率权衡，无需额外路由网络。
(AI)群体智慧：探究大型语言模型中的人工群体智能
LLM群体聚合可大幅降低错误（MAPE最高降37%），且具备不确定性元认知能力。
WildProp：大规模野生动物身体比例的视觉估计
WildProp无需训练，通过检索与匹配从网络图像估计野生动物体型比例，中位误差10-20%，适用于多物种。
Dualformer：面向复值盲通信信号分析的高效特征提取器
提出参数共享双通道网络Dualformer，降低泛化误差保留表达能力，在多种盲信号分析任务上表现优异。
面向低资源班图语音识别的音调条件课程学习
提出音调条件课程框架，结合混合难度评分与门控适配器，使班图语音识别平均词错误率降至28.41%。
TaxoMIL：面向层次化全切片图像分析的分类约束学习
TaxoMIL将全切片诊断重构为多粒度文本生成，通过分类约束实现层次化准确预测。
BP-TTA：动态场景下的平衡与原型引导测试时自适应
针对动态场景中类别不平衡与持续域偏移，提出平衡采样与原型约束的测试时自适应方法，有效提升在线更新稳定性。
基于深度强化学习的航天器大气再入姿态控制
深度强化学习结合传统控制，实现航天器再入姿态精准跟踪，混合控制器鲁棒性更强，通过动态随机化提升泛化能力。
学习选择而非重新学习：推理LoRA的硬路由混合
提出硬路由混合框架，通过硬顶级路由选择单一冻结LoRA专家，保留行为且参数更少，实现高效组合。
InfiniVerse：基于占用引导的自动驾驶无界场景生成
提出统一管道，通过3D占用表示自回归扩展场景并生成视频，实现长距可控动态城市场景合成，FID 6.4，FVD 67.97，性能SOTA。
LLM中的道德安全：通过困惑线索揭露表演性顺从
当前公平性评估高估道德安全，模型在模糊线索下暴露表演性顺从，隐藏标签使有害决策增4.4%，提出线索可见性差距度量。
MSNN-LINet: 基于连续线性集成的跨模态学习
提出LINet多流网络，通过连续线性集成实现每层跨模态学习，解决特征融合离散问题，在RGB-D场景分类中达45.2%精度。
FROST: 基于冻结特征和非参数统计的无训练小样本分割
FROST利用冻结DINOv3特征和非参数密度比，无需训练即可实现遥感小样本分割，性能领先。
解决AI中的叠加问题以实现患者神经元图像的可解释性和跨模态对齐
稀疏自编码器解析叠加恢复几何保真，GW-map对齐图像与scRNA-seq数据重建病理通路。
TalentCLEF 2026 概览：面向人力资本管理的技能与职位智能
TalentCLEF 2026挑战赛分岗位匹配与技能匹配两任务，吸引113支团队超400次提交，推动人力资本管理NLP研究。
CHERRY：压缩分层专家与递归表示产出
提出三种计算高效语言模型训练技术：SGT实现4.5倍监督效率，深度压缩2.5倍参数，专家融合提升性能。
行动前先问世界：预算受限的环境探查用于世界模型校准
智能体在行动前探查环境校准世界模型，按任务结构选择探查类型可有效降低长期决策误差。
校准评估器：概率校准能否缓解LLM智能体反馈循环中的偏好耦合？
首个研究证实概率校准可缓解LLM评估器偏好耦合，降低耦合系数20-49%、JS散度45-67%。
CDR-Bench：评估组合式、顺序敏感数据精炼配方的忠实执行
新基准CDR-Bench测试LLM对组合式顺序敏感数据精炼的忠实执行，发现模型在复杂设置中性能显著下降。
有限自适应性的上下文GLM面板赌博机
提出有限自适应上下文GLM面板赌博机算法，regret界为O(Nd√T)且独立于非线性参数κ，性能优越。
混合控制：面向Transformer模型的状态感知微调
MoC轻量微调框架通过稀疏混合专家机制集成局部和全局控制信号，高效跨块通信，性能优于现有方法。
跨语言关系抽取与大语言模型：面向罗马尼亚语的零样本、少样本与微调评估
大模型跨语言关系抽取：罗马尼亚语零样本比英语低3-5pp，少样本增益小，QLoRA微调提升F1超22pp；小型编码器更高效。
前馈层中的显式模糊逻辑：自遗忘量词发现可读的语法许可检测器
提出显式模糊逻辑前馈层结合自遗忘量词，生成可读的语法许可检测器，性能持平基线。
CSTrader：社区驱动虚拟资产市场中语言驱动交易的测试平台
利用LLM将非结构化文本转化为交易决策，在CS2皮肤市场实现7.58%累计收益，优于市场指数和简单基线。
利用现成生成模型的目标检测器零样本量化
提出GoodQ框架，通过信息密集提示、分布选择与噪声抑制，实现低比特目标检测量化，达最优性能。
中文标题
提出代理化编排的分类框架、定性决策标准与定量评估指标，平衡LLM代理自主性与流程鲁棒性。
重新思考基础模型协作：通过代理任务推理增强专门化模型
提出FAT框架，基础模型通过代理任务推理协作专门模型，在多项任务中提升性能且计算成本更低。
ViTL：基于视觉语言模型的时态逻辑引导零样本自然语言导航
ViTL框架将自然语言指令转为时态逻辑，结合方向评分，实现零样本多目标导航。
健康科学中的科学解释：因果性、信任与认识充分性
从哲学视角审视医学AI解释，强调因果、信任与认识充分性，为临床XAI设计原则。
PruneGround：面向3D视觉定位的即插即用空间剪枝框架
提出PruneGround框架，通过语言引导剪枝、多视角描述重构和LLM定位，在3DVG上取得SOTA性能。
LuxEmo：卢森堡语表现力文本转语音语料库
提出卢森堡语21小时情感语音语料库LuxEmo，含4类情感，并基准测试5个表现性TTS系统。
邪恶频谱：优化器如何放大或抑制涌现性失调
优化器选择对涌现性失调影响最大，Muon通过隐式频谱正则化保持对齐，频谱正则化可缓解其影响。
CLOUDADV：漂移环境下基于零样本基础模型的决策对齐实例规格选择
CLOUDADV系统结合零样本预测与推荐，在非平稳云环境下节省52.9%成本，超标率仅1.5%，减少重训练负担。
TabPATE：无需公共数据的差分隐私表格上下文学习
TabPATE通过教师分区和私密聚合实现表格上下文学习的差分隐私，无需公共数据，有效抵御成员推断。
ExPLoRe：面向多目标掩码图像建模的专家补丁级损失路由
ExPLoRe用MoE调度权重作每补丁损失系数，通过损失耦合实现内容相关加权，提升多目标MIM性能。
DigitalCoach：人类与智能体计算机使用指导中的沟通与立足差距
该数据集揭示模型指导人类使用计算机时缺乏解释、诊断和视觉立足，导致学习者被动跟随指令。
无Slater条件的约束在线凸优化
提出在线原始-对偶框架，用自适应正则化避免Slater条件，实现随机约束下O(√T)遗憾与违反，高概率同样成立。
Reasoning-aware Speculative Decoding for Efficient Vision-Language-Action Models in Autonomous Driving
看穿权重：场景坐标回归中的隐私泄露
通过查询攻击从SCR模型重建训练环境的3D几何与外观，揭示其并非隐私安全。
ACE：跨智能体的可插拔自适应上下文弹性化器
ACE即插即拔模块，自适应弹性编排历史信息，无损维护，为LLM智能体提供紧凑丰富上下文，显著提升性能。
严重类别不平衡下个体缺勤预测的时间序列分类框架
提出时间序列分类框架分离历史序列与未来标签，采用BFL及G-Mean损失处理严重不平衡，LSTM-FCN模型实现约80%平衡准确率。
面向大语言模型代理的生成式技能组合
提出SkillComposer，通过约束自回归解码联合预测技能子集、数量和顺序，提升LLM代理复杂任务成功率。
自信分支思考
提出Fork-think方法，依据模型置信度识别推理分支点，采样聚合多路径，降低令牌消耗最多30%，运行时间最多57%，性能持平或优于并行思考。
基于技能蒸馏的可扩展浏览器行为克隆
通过技能蒸馏将人类浏览器交互转化为自然语言技能并组织成技能图，实现可扩展行为克隆，解决决策瓶颈。